Caffe SSD编译、训练及测试

最新推荐文章于 2020-08-12 17:52:56 发布

楚兴

最新推荐文章于 2020-08-12 17:52:56 发布

阅读量2.9k

点赞数

分类专栏：深度学习 Just Coding 文章标签： Caffe SSD 目标检测

本文链接：https://blog.csdn.net/foreverling/article/details/84504210

版权

本文详细介绍了如何使用Caffe实现SSD目标检测模型的编译、训练和测试。首先，通过clone代码并编译Caffe环境。接着，下载VGG模型和VOC数据集，创建lmdb文件。在训练过程中，可能会遇到报错，例如文件路径错误和配置参数不合适，文章提供了具体的解决方案。最后，给出了训练命令和可能遇到的问题及解决办法。

摘要由CSDN通过智能技术生成

SSD网络结构
SSD采用VGG16作为基础模型，然后在VGG16的基础上新增了卷积层来获得更多的特征以用于检测。SSD的网络结构如上图所示（上面是SSD模型，下面是Yolo模型），可以明显看到SSD利用了多尺度的特征图做检测。

安装

clone代码（假设代码clone到$CAFFE_ROOT目录）。

git clone https://github.com/weiliu89/caffe.git
cd caffe
git checkout ssd

编译。这一步骤假设已经安装好caffe环境，caffe的安装可参考：http://caffe.berkeleyvision.org/installation.html

# Modify Makefile.config according to your Caffe installation.
cp Makefile.config.example Makefile.config
make -j8
# Make sure to include $CAFFE_ROOT/python to your PYTHONPATH.
make py
make test -j8
# (Optional)
make runtest -j8

Makefile.config需要根据环境进行修改，我的改动如下：

# cuDNN acceleration switch (uncomment to build with cuDNN).
USE_CUDNN := 1

# CUDA architecture setting: going with all of them.
# For CUDA < 6.0, comment the lines after *_35 for compatibility.
# 我是cuda9.0环境，注释掉:-gencode arch=compute_20,code=sm_20和-gencode arch=compute_20,code=sm_21
CUDA_ARCH := -gencode arch=compute_30,code=sm_30 \
             -gencode arch=compute_35,code=sm_35 \
             -gencode arch=compute_50,code=sm_50 \
             -gencode arch=compute_52,code=sm_52 \
             -gencode arch=compute_61,code=sm_61

准备工作

下载VGG模型。假设模型存储在$CAFFE_ROOT/models/VGGNet目录。
下载VOC2007和VOC2012数据集。假设数据存储在$HOME/data/目录。

# Download the data.
cd $HOME/data
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
# Extract the data.
tar -xvf VOCtrainval_11-May-2012.tar
tar -xvf VOCtrainval_06-Nov-2007.tar
tar -xvf VOCtest_06-Nov-2007.tar

创建lmdb文件

cd $CAFFE_ROOT
# Create the trainval.txt, test.txt, and test_name_size.txt in data/VOC0712/
./data/VOC0712/create_list.sh
# You can modify the parameters in create_data.sh if needed.
# It will create lmdb files for trainva